[发明专利]一种基于Boosting算法的短期风功率混合预测方法

摘要

本发明公开了一种基于Boosting算法的短期风功率混合预测方法。该方法通过Boosting算法反复调用基础预测模型进行预测训练，根据被调用模型的预测误差生成对应的预测准确度权重系数，然后利用Boosting算法的模型组合功能，将预测精度较低的一系列基础预测模型，组合成具有高预测精度的风功率混合预测模型。本发明能够直接提高风功率预测方法的预测精度，解决了目前工业风功率短期预测技术存在的风功率预测效果差的问题，能够为电网企业节约巨额备用发电容量购买费用，提高电网企业运营效益，同时能够有效减少弃风电量，提高风电有效并网容量，实现节能减排。

主权项

一种基于Boosting算法的短期风功率混合预测方法，其特征在于：采用Boosting算法，将预测精度较低的一系列基础预测模型组合成预测精度高的风功率组合预测模型，包括以下的步骤：S1：将待预测的风电场的历史风功率数据进行按日采集，得到待预测的风电场的历史风功率实测值，生成相应的时间序列量；S2：根据确定的待测日F，在所述时间序列量中从第F‑1日向前依次选取M+1日的历史风功率实测值，即第τ‑M日至第τ日的历史风功率实测值X＝{xτ,xτ‑1,…,xτ‑M}，作为Boosting算法的训练样本集，其中τ＝F‑1；S3：选取距离待测日F最近的一日的历史风功率实测值，即第τ日的历史风功率实测值xτ作为Boosting算法的训练目标样本，并以第τ日作为训练目标日；S4：采用xτ‑t作为Boosting算法的训练输入样本，其中t∈[1,M]，采用xτ作为M个xτ‑t的共同的训练目标样本；经过M次训练之后，Boosting算法生成M+1个预测精度较低的基础预测模型，即hτ‑t和h0，其中t∈[1,M]；再预测准确度权重ατ‑t和α0，并形成预测精度高的组合预测模型H，其中t∈[1,M]；S5：采用xτ作为组合预测模型H的输入数据，对待测日F的风功率序列xnext进行最终的预测，即xnext＝H(xτ)；其中，步骤S1、S2、S3和S5中的日都是指24小时。